Байесовское полуавтоматическое обучение
Байесовское полуавтоматическое обучение (Bayesian semi-supervised learning) — это вероятностная структура, которая использует как небольшую размеченную выборку, так и больший пул неразмеченных наблюдений для вывода параметров модели и построения прогнозов. Рассматривая отсутствующие метки как скрытые переменные и задавая априорные распределения для параметров, эта методика естественным образом количественно оценивает неопределенность, одновременно используя неразмеченные данные для улучшения обобщающей способности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/ru/machine-learning/bayesian-semi-supervised-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесовское активное обучениеМашинное обучение↔ compare
- Байесовская гауссовская смесьМашинное обучение↔ compare
- Обучение на малом числе примеров (Few-shot Learning)Машинное обучение↔ compare
- Гауссовский процессМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →